数据挖掘技术在生产平稳度分析中的应用

论文摘要

国内的化工企业使用DCS进行生产过程的实时监测与控制，并且积累了大量的生产数据。然而这些数据除了被用于MIS(管理信息系统)以外，大多没有进行深层次的开发与利用。虽然人们意识到了在这大量的数据中可能隐藏着一些不为人们所知然而可能有用的模式，但是一直没有合适的技术手段对其进行开发。 数据挖掘技术是一种发现大量数据中隐藏的模式的一种重要技术，其随着数据库、人工智能、机器学习等相关技术的发展已逐渐成熟。目前，基于数据挖掘技术的工具越来越多，数据挖掘应用领域也越来越广。数据挖掘技术应用于化工企业的生产数据分析已经具备了条件。 本文论述了使用决策树算法对化工企业的生产数据进行挖掘，以及对生产平稳度进行分析的过程。本课题首先对生产装置的所有位号点的平稳率进行计算，然后重点分析那些不平稳的位号点，建立决策树模型，最后在使用实际生产数据验证模型以后，结合用户具体的行业经验，分析出模型所蕴含的知识，用于指导生产活动。同时，决策树模型还具有预测能力，可以预测位号点的变化趋势。 从系统建立的决策树模型中，可以得到那些影响生产平稳性的关

论文目录

• 摘要
• ABSTRACT
• 符号说明
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外的研究现状和发展动态
• 1.3 课题的研究内容
• 第二章 相关知识介绍
• 2.1 数据挖掘
• 2.1.1 数据挖掘的概念
• 2.1.2 数据挖掘研究内容和本质
• 2.1.3 数据挖掘的功能
• 2.1.4 数据挖掘常用技术
• 2.1.5 数据挖掘过程
• 2.2 决策树
• 2.2.1 决策树的基础知识
• 2.2.2 决策树的生长
• 2.2.3 决策树的修剪
• 第三章 系统设计
• 3.1 课题简介
• 3.2 系统功能模块划分
• 3.3 数据采集模块的设计
• 3.3.1 数据提取
• 3.3.2 数据转换
• 3.3.3 数据清洗
• 3.3.4 建立数据挖掘库
• 3.4 平稳度计算模块的设计
• 3.4.1 位号点管理
• 3.4.2 计算平稳度
• 3.5 平稳度分析模块的设计
• 3.5.1 建立模型
• 3.5.2 验证模型
• 3.5.3 预测平稳度
• 第四章 系统实现
• 4.1 数据采集模块的实现
• 4.1.1 数据提取
• 4.1.2 数据转换
• 4.1.3 数据清洗
• 4.2 平稳度计算模块的实现
• 4.2.1 位号点管理
• 4.2.2 计算平稳度
• 4.3 平稳度分析模块的实现
• 4.3.1 建立模型
• 4.3.2 验证模型
• 4.3.3 预测平稳度
• 第五章 总结
• 5.1 工作小结
• 5.2 对未来工作的展望
• 参考文献
• 附录一：C4.5算法生成决策树部分源程序
• 致谢
• 攻读学位期间发表的学术论文目录